AI がソフトウェアエンジニアを代替しない理由と将来展望

AI が職を奪うことに対する大きな不安と不確実性があります。曖昧な警告や大げさな予測を超えて、この問いにデータに基づいてどう取り組めるでしょうか？一つの有効な方法は、AI の能力が最も進んでおり、採用が極めて急速に進んでいる職業、すなわちソフトウェアエンジニアリングに目を向けることです。 本稿では、AI の能力がある一定の閾値に達した際に大規模な解雇を引き起こすとする物語を退けるのに十分な証拠があると主張します。規制障壁が非常に少ないセクターにおいてさえこれが真実であるならば、他のほとんどの職業はさらに緩衝材で守られている可能性が高いでしょう。 また、なぜそうなのかについても我々はよく理解しています。ソフトウェア開発を含む多くの種類の知識労働を、「決定・実行・納品のサンドイッチ」として捉えることができます。AI はこのサンドイッチの真ん中にある「実行」層を圧縮しますが、他の2つの層は能力の向上だけでは克服できない方法で自動化に抵抗します。 ソフトウェアエンジニアリングに対する需要の将来軌跡については、慎重な楽観主義をもって結論付けます。本稿はシリーズの第一弾であり、次回は全体の需要が健全であっても、個々のソフトウェアエンジニアのキャリアがなぜ不安定になり得るのかについて考察します。このシリーズは、経済学およびソフトウェア工学における公表された文献、AI エージェントに関する当社の評価と観察、そして多くのソフトウェアエンジニアによる AI が自らの職業に与える現在および将来の影響についての考察（公表された著作やコミュニティとの対話から得られたもの）に基づいています。 ソフトウェア分野における AI 駆動の大量解雇の話は、典型的な「AI ワッシング」の事例のように思われます。 世間の注目を集めた三つの出来事と、それらが現実とどう対比されるかを見てみましょう。 2 月、フィンテック企業 Block（Cash App、Square、Afterpay などを含む同社製アプリの開発元）は、創業者 Jack Dorsey によると AI が「より小さくフラットなチーム」という「新しい働き方を可能にしている」として、4,000 人の従業員を解雇すると発表しました。具体的には、2025 年後半におけるモデル機能の向上が引用されました。 しかし、その後の報道は全く異なる姿を明らかにしました。パンデミック中に従業員数を 3 倍以上に増やした同社は、巨額の財政圧力に直面していました。Cash App チームのデータサイエンティストである中田直子氏は、Block が「AI を全員に無理やり押し付けた」にもかかわらず、「生産性における向上は極めて限定的だった」と投稿しました。彼女は 75% の昇給（リテンション・レイズ）を拒否し、退職しています。他の従業員へのインタビューでは、Block において AI が実際に何ができるのか、またドゥーシー氏がその問題について有能な理解を持っていたかどうかについて、彼女とは鋭く異なる認識が示されました。 アロン・レヴィィが指摘したように、CEO は迅速なプロトタイプを構築できる一方で、完成品にするために必要な作業の 90% を見ることができないため、AI の有用性に関する誤った信念に陥りやすいという点で特異です。ドゥーシー氏の AI に関する公的な発言は、まさにこのパターンに完全に合致しています。 4 月、Snap は約 1,000 人を解雇しました。CEO のエバン・スピア氏は、その理由として主に AI を挙げていました。また、AI が新しいコードの 65% を生成したとも述べています。しかし実際には、この人員削減はコスト削減を要求するアクティビスト投資家によるキャンペーンに続くものでした。（Snap は 2017 年の IPO 以降、毎決算年度で純損失を計上しており、2026 年には株価が 30% 以上下落していました。）興味深いことに、AR（拡張現実）部門など多様な役割にまたがる 150 件の職の削減といったカットの内容は、AI が駆動要因である場合に予想される削減（つまり、全社的なプログラミングおよびその他の「AI に晒された」職種が特定の部署に集中せず広く行われるべきもの）とは相関していません。 5 月、Intuit は Anthropic および OpenAI との提携を発表する一方で、3,000 人の削減を宣言しました。報道はこれら 2 つの出来事を結びつけ、人員削減が AI に起因する再編成であると枠組み付けました。今回は例外的に、CEO がこの容易な物語に対して反発し、「AI とは何の関係もない」と述べ、削減の対象は「調整業務が中心の役割」および管理層が多すぎる点にあると説明しました。 これらの事例を都合よく選んだわけではありません。私たちが調査した AI に起因するソフトウェアエンジニアリングの人員削減に関するすべての記事において、同じ物語の矛盾が浮かび上がりました。実は、人員削減における「AI 洗脳（AI washing）」は経済全体に広がる現象であり、多くの調査によって裏付けられています。 米国の採用担当者の 59% が、財務上の制約を引用するよりも利害関係者にとって受け入れられやすいものとなるため、採用凍結や人員削減の説明において AI を強調していると認めています。 Forrester のシニアアナリストである J. P. Gownder は、 supposedly AI に起因するとされる人員削減を準備している企業について、「成熟した検証済みの AI アプリケーションがこれらの職務を埋めるために用意されているか尋ねると、10 回中 9 回は『いいえ』という答えが返り、着手さえしていない」と述べています。 HBR（Harvard Business Review）による 1,000 人以上のグローバル経営層を対象とした調査では、21% が AI の導入を見込んで大規模な人員削減を実施しており、さらに 39% が中程度または小規模な事前対応型の人員削減を行っていました。一方、実際の AI 実装に関連する大規模な人員削減をすでに実施したのはわずか 2% でした。この 10 倍の差は、経営層も他の人々と同様に、AI が雇用を代替するという誤った物語に陥りやすいことを示唆しています。 もう一つの興味深いデータポイントは、100 人以上の労働者に影響を与える工場閉鎖や大量解雇について特定の開示を義務付ける WARN 法（Worker Adjustment and Retraining Notification Act）からのものです。2025 年 3 月、ニューヨーク州は、WARN 法提出書類に AI 関連の開示チェックボックスを追加した米国初の州となりました。最初の完全な 1 年間では、160 社以上が WARN 通知を提出しました。しかし、AI 関連のチェックボックスにチェックを入れた企業は一件もありませんでした。1 私たちはニューヨーク州労働局に問い合わせましたが、5 月末時点では、ネスプレッソ（Nespresso）という 1 社だけがそのチェックボックスにチェックを入れていたことを確認しました。2 もしこれらの提出書類が正確であれば、関連期間中にニューヨーク州で解雇された約 25,000 人の労働者のうち、AI が影響を及ぼしたのはわずか 46 人、つまり約 0.2% に過ぎません。 さらに AI 主導による大量解雇という物語にとって致命的なのは、そもそも解雇が AI の潜在的な生産性向上効果を測る適切な指標ではないということです。研究結果は明確で、その効果は「人員の増加ではなく採用ペースの低下」を通じて現れます。既存の労働者を解雇することは、AI を効果的に運用するために必要な暗黙知（Tacit Knowledge）や組織資本を失うことにつながります。さらに、退職金、士気の低下、再雇用リスクという点でコストがかかります。これらのコストを考慮すると、自然な離職率でも数年かけて同じ結果が得られるため、解雇は基本的に不要なのです。 では、レイオフを超えて全体的な雇用動向を眺めてみると、データは何を教えてくれるのでしょうか？米国の文脈における証拠を集約した連邦準備制度の経済学者による重要な論文があります。雇用は依然として増加していますが、ChatGPT 登場後、AI が存在しないという反実仮想と比較して、年間約 3 ポイント分だけ成長が鈍化していることが明らかになりました。この研究には重要な限界があり、その手法では自営業者を捉えることができないため、成長の鈍化の一部は起業活動によって吸収されている可能性があります。他の研究からは、AI が起業を容易にするという証拠も得られています。したがって、実際の状況は連邦準備制度の研究が示唆するよりもさらに健全である可能性が高いです。 最後に、ソフトウェアエンジニアリングにおける間接的に AI に起因する雇用喪失の 2 つの種類に言及しておく価値があります。これらは実際に存在しますが、AI がソフトウェアエンジニアを代替するというものとは異なります。第一に、AI は場合によっては製品への需要を壊滅させることがあります。例えば、宿題支援の Chegg や技術支援の Stack Overflow のようなケースで、両社とも人員削減を行いました。AI はこれらの従業員が行っていた仕事を直接行うのではなく、その必要性を不要にするのです。歴史的な類似点は明確です：1950 年の米国国勢調査における 270 の職業のうち、自動化によって消滅したのはエレベーターオペレーターという 1 つの職業だけでした。しかし、多くの他の職業は新しい技術によって時代遅れとなりました。例えば電信オペレーターの職務などがそうです。 AI を販売する企業側における、もう一つの信頼性の高い AI に起因する人員削減の事例があります。したがって、IBM や SAP といった企業が AI のせいで人員削減を発表した場合、より正確な枠組みは「既存機能からの人員を、最も成長が著しい製品ラインへ再配置した」というものです。これは技術が労働者を置き換えたのではなく、収益機会を中心とした通常の企業再編です。 コーディングエージェントが労働者の代替をもたらさなかった理由：決定・実行・納品のサンドイッチ構造 上記のスナップの CEO のような多くのテックリーダーは、AI によって書かれたコードの割合を報告する際に、人員削減や将来の雇用喪失に関する予測も併せて報告しています。これが、「AI がすべてのコードを書くようになれば、コーディングを行う必要がなくなる」という単純化された思考モデルを生み出しています。幸いなことに、この思考モデルは誤りです。この AI 生成コードの指標は、労働者の代替において実際に重要視される事項とほぼ完全に切り離されています。その理由は以下の通りです。 第一に、コードを書くことは、そして決してそうではなかったことがボトルネックではありません。例えば、2019 年の論文は既存の研究を要約し、「開発者がコーディングに費やす時間は驚くほど少なく、研究によって 9% から 61% である」という結論に至っています。この発見は、マイクロソフトの 6,000 人の開発者からの同論文自身のデータとも一致していました。コーディングエージェントが導入され始めると、2025 年後半には、コードの大部分をエージェントに書かせることが全体の生産性にほとんど影響を与えないことに気づいた開発者によって、「コードを書くことはボトルネックではない」と指摘するブログ記事が爆発的に増加しました [1, 2, 3, 4, 5, 6, 7, 8]。 コードを書くことがボトルネックでないなら、何がそうなのか？タスク分解に関する調査は、会議やデバッグのようなものを指し示しています。これはさらに多くの疑問を生みます：開発者はその会議で何をしているのか、なぜそれを AI ができないのか？能力が向上すればデバッグも自動化されないのだろうか？真のボトルネックを理解するには、定性的なアプローチを取り、自動化に抵抗する自分たちの業務についてソフトウェアエンジニア自身が持つ理解を掘り下げる必要があります。 この分析を行った際、3 つのことが真のボトルネックであることが明らかになりました。(1) 何を構築するかを決定し仕様化すること、(2) 提供された成果物の検証と責任の所在、そして (3) これら両方を実行するために必要なコードベース、ビジネス、および環境に対する深い人間的理解です。 つまり、ソフトウェアエンジニアの仕事は「決定・実行・納品」というサンドイッチ構造で構成されています（理解はこれら 3 つすべての前提条件です）。AI はこのサンドイッチの真ん中部分を圧縮しましたが、両端はほぼ変更されていません。ソフトウェア開発チームが意思決定を担い、提供した成果物に対して責任を負う限り、エンジニアはシステムに対する深い理解を築くために時間を費やす必要があります。これらが 3 つのボトルネックです。 ![image](https://substackcdn.com/image/fetch/$s_!sj-b!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F71107c50-448e-49ef-a986-a7eb496906e1_1152x552.png) 図：ソフトウェア開発は3つの層から構成される。(1)意思決定層—問題の枠組み設定、仕様策定、計画 (2)実行層—設計と実装 (3)納品層—テスト、検証、統合、保守など。これらは概念的な層であり、時間的なフェーズではないことに注意されたい。プロジェクトの進行中に行き来することは一般的である。 AI の生産性効果に関するサンドイッチモデルのエビデンスは、「コード記述 vs コード納品」に関する最近の研究論文から得られている。GitHub 上の10万人の開発者を対象とした調査で、研究者らは AI エージェントが記述されるコード行数を8倍に増加させたことを発見した。これは、AI がサンドイッチモデルの「実行層」をほぼ完全に圧縮しているという考えと一致する。しかし、リリース数は30%増にとどまり、人間によるボトルネック（「意思決定層」と「納品層」）が依然として存在していることを強く示唆している。 このサンドイッチ構造はさらに圧縮できるのか？我々はそう思わない。パイプラインの一端では、開発チームは何を構築するかを決定する必要がある。若手ソフトウェアエンジニアが学ぶ最も重要な教訓の一つに、「要件定義」（この層における専門用語）には驚くほど長い時間がかかるという事実がある。これを圧縮すると、後々大きな痛みを伴うことになる。この層は自動化が難しい。なぜなら、ユーザーニーズ、市場シグナル、組織の優先順位、場合によっては規制制約について考える必要があるからだ。 4 AI の能力が向上するにつれ、AI に委譲できる意思決定の種類は時間とともに増加します。しかし、これにより「意思決定」層が薄くなるわけではありません。一度の意思決定を AI に委譲できるようになれば、それはもはや競争優位性の源泉ではなくなり、人間の意思決定の価値はより上位へと移行していきます。ソフトウェアは時間とともに複雑化するため、このプロセスに上限はありません。 サンドイッチのもう一方の端において、人間によるチームは自らが提供するものに対して責任を負わなければなりません。将来的には、完全なテストや理解なしにミッションクリティカルなコードをリリースするチームが現れる可能性もありますが、現在の AI はあまりにも信頼性が低いため、そのような無秩序な慣行はソフトウェアチームとその顧客にとって存続の危機となるでしょう。 将来的に技術的な障壁がなくなっても、私たちが AI にコントロールを委ねる必要はありません。AI を通常の技術として捉えるという中心的な洞察の一つは、共通の規範、法律、政策を通じて人間が責任を負う状態を維持することを集団的に選択できるということです。これは、技術的能力の開発を遅らせようとするよりも、AI の影響の速度を制御し安全性を向上させるためのはるかにレジリエントな方法です。これらの速度に関する障壁はすでに責任法や業界固有の規制によってほぼ整えられていますが、さらに強化することができます。（この議論のより長いバージョンについては、オリジナルのエッセイをご覧ください。） このビジョンにおいて、実行層の多くが AI に委譲されるにつれ、将来のソフトウェアエンジニアの役割はクレーンオペレーターに類似したものになります。AI エージェントが認知上の重労働の大部分を担い、人間の仕事の中心はエージェントの監督と制御の維持となります。 一部の評論家は、人間が制御を続ける未来は実現不可能だと主張しています。その理由は、それを行うために人件費を支払うコストが高すぎるからです。すでに、監督不十分なコーディング・エージェントが生産データベースを削除したり、他の種類の損害を引き起こしたりしたという viral な事例がいくつか存在します。しかし、私たちはこれらを「犬が人を噛む」という珍事として捉えており、新たな規範の出現とは見ていません。これらの話が viral になるのは、まさにそれが極めて無責任で異常な行動であり、衝撃的な価値を持つからです。そして、コミュニティが AI への過度な依存に対して自らを警戒するための定期的な教訓と学びの機会として機能しています。「ニュースになっていることなら心配する必要はない」という諺があるようにです。それでも、経済全体において、ソフトウェアエンジニアリングに限らず、高リスクタスクにおける AI の監督不十分な利用が増加していないかを検出できる能力は、今日私たちが抱える最も重要なデータギャップの一つであり続けます。 ところで、サンドイッチが潰される現象は新しいトレンドであり、AI が原因というわけではありません。20 年以上前、労働統計局はプログラミングをソフトウェアエンジニアリングとは別に追跡し始めました。大まかに言えば、プログラマーは実行のみを担当するのに対し、ソフトウェアエンジニアはそのサンドイッチのより大きな部分を管理します。プログラミングの領域は縮小しているだけでなく、単なる重労働と見なされているため報酬も大幅に低く、AI はこの長年続いているトレンドをさらに加速させ、純粋な技術スキルをさらに価値低下させています。 ![image](https://substackcdn.com/image/fetch/$s_!vpJH!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fed975481-276e-4dab-a340-e3fbd85d5c86_1108x1192.png) ソフトウェアエンジニアとプログラマーの雇用比較。グラフはワシントン・ポストによるもの。 このパターン、つまり AI が中間層をますます自動化する中で、決定・実行・納品のサンドイッチの両端において人間が依然として深く関与しているという構造は、ソフトウェア分野で最も進んでいるものの、知識労働の大部分に広く適用可能であるように思われます。結局のところ、複雑な意思決定と責任所在はほとんどの分野に共通する要素だからです。この現象への認識不足が、放射線科医などにおける即座の雇用喪失に関する多くの過信に満ちた予測を生み出しました。 バイブコーディングはエージェント型エンジニアリングではない ソフトウェアエンジニアリングがどの程度変化しているかについての混乱の一因は、「バイブコーディング」という用語の乱用です。この用語は広範な実践を指すために使われていますが、その両端にある概念は本質的に異なり、類似点よりも相違点の方がはるかに大きいです。 真の意味でのバイブコーディングでは、ユーザーはエージェントに何をするか simply に指示するだけで、実行中の監視もせず、コードのレビューも行いません。場合によってはそれを行うスキルさえ持っていないこともあり、出力の評価も、明らかに破綻していることに気づく程度のことしか行いません。 これに対し、実際のソフトウェアエンジニアがエージェントを使用する方法とは対照的です。彼らはエージェントをツールとして使い、人間が制御と責任を引き続き担っています。幸いなことに、この実践を記述する用語として「アジェンティック・エンジニアリング（agentic engineering）」という言葉が広まりつつあります。 アジェンティック・エンジニアリングが標準となるにつれ、エンジニアたちはコーディングエージェントの監視が予想以上に時間がかかることを発見しています。例えば、AI 移行の主要な開発者かつ記録者であるサイモン・ウィリソンは、11 時にはすでにエージェントを監視することで精神的に疲れ果てていると指摘しています。これは私たちの経験とも一致しています。 より定量的な証拠は、ログ記録ツールに同意したオープンソース開発者からのコーディングエージェントの相互作用を収録した SWE-chat データセットから得られます。この研究では、エージェントが生成したコードのうちユーザーコミットに残存するのはわずか 44% であり、バイブコーディングによるコミットで導入される脆弱性の発生率が人間のみによる場合の 9 倍に達し、最も一般的なユーザーの意図は新しいコードを生成することではなく既存のコードを理解することであること（19% 対 13%）が明らかになりました。このデータセットが自己選択型であるため、本研究単独で強い結論を引き出すことはできませんが、バイブコーディングとエージェントエンジニアリングのパターンが非常に異なることを示す他の多くの証拠を裏付けるものとなっています。 ![image](https://substackcdn.com/image/fetch/$s_!_uJW!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fdaee7fd7-e171-4904-9a87-02652428e96a_1616x2034.png) エージェントエンジニアリングはバイブコーディングではない 繰り返しになりますが、これらは二つの独立したカテゴリではありません。これらはスペクトルの両端であり、その間には境界が曖昧な中間領域が存在します。すべてのプロジェクトが使い捨てかミッションクリティカルかのどちらかに分類されるわけではありませんし、すべてのワークフローが表の左列または右列にきっちり収まるわけでもありません。しかし、雇用に関する問いに対する重要な示唆は依然として確固たるものです——企業はソフトウェアエンジニアではなく無資格のバイブコダーを雇って生産用ソフトウェアをリリースすることはできません。 未来には何が待ち受けているのか？ AI の推進派は、大規模な人員削減がもうすぐやってくると主張するかもしれません。しかし、それはまだ起きていません。なぜなら、人間レベルのソフトウェアエンジニアリング能力は非常に最近のもの（あるいは未だ達成されていない）だからです。しかし、サンドイッチモデルが正しければ、これらの予測は実現しません。AI はすでにサンドイッチの中間層をほぼ圧縮してしまいました（その圧縮は実際には数十年も前に始まっています）。したがって、実行層を瞬時に完璧にするとしても、現状から見た変化はわずかなものに過ぎません。他の二つの層が AI に抵抗している理由は、能力の限界によるものではありません。 実際、AI によってソフトウェアエンジニアリングの仕事が消えるどころか、むしろ需要が増加する可能性があります。技術的な生産性向上によりソフトウェア（あるいはその他あらゆるもの）の作成コストが安くなると、人々ははるかに多くのソフトウェアを購入します（経済学の用語では、ソフトウェアは非常に「価格弾力的」です）。そして、私たちが主張してきたように、AI はソフトウェアエンジニア（置換の弾力性が低い）を代替するものではないため、より多くのソフトウェアへの需要は、より多くのソフトウェアエンジニアへの派生需要をもたらします。これと少し関連していますが、より華やかな経済用語である「ジェボンズの逆説」が、この概念を説明するために AI に関する議論で頻繁に持ち出されます。 歴史的に、これがパターンでした。米国のプログラマー雇用は1950年頃のほぼゼロから現在では数百万人にまで成長しています。これは、機械化と自動化により労働需要が有名に壊滅した農業などの職業とは明確に異なります。その違いは、人々が消費するカロリー量が比較的固定されているのに対し（25% の増加さえ肥満流行を引き起こしました）、生産されるソフトウェアの量は増え続けている点にあります。

AI がソフトウェアエンジニアを代替しない理由と将来展望

背景や根拠まで確認しますか？

調べる

選ぶ

サイト